无线传感器网络中基于空间相关性的分布式压缩感知

提出了无线传感器网络中基于空间相关性的分布式压缩感知模型和分布式压缩感知算法,利用无线传感器网络节点间感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知编解码算法,以能量有效的方式对无线传感器网络的感知数据进行压缩、重构.最后,通过仿真分析了分布式压缩感知重构误差和压缩比之间的关系,以及分布式压缩感知在能量有效性方面的性能,仿真结果表明分布式压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求.     

基于时空相关性的传感器网络数据压缩算法

针对当前传感器网络数据压缩算法存在压缩比率低、 数据变形严重等缺陷, 为提高传感器网络数据传输的实时性, 提出一种基于时空相关性的传感器网络数据压缩算法. 首先采集传感器网络原始数据, 采用空间变换技术从空间上分析传感器网络数据之间的相关性, 进行去噪处理, 减少噪声所占的空间资源; 然后根据传感器网络数据的时间相关性, 引入压缩感知算法对空间系数进行压缩处理, 减少传感器网络数据冗余; 最后通过仿真实验分析传感器网络数据压缩算法的性能. 仿真实验结果表明, 相对于其他传感器网络数据压缩算法, 该算法可在不损失传感器网络数据信息的条件下, 提高传感器网络数据压缩比率, 同时获得更快的传感器网络数据压缩速度, 减少传感器网络通信压力.     

基于动态调整发送编码门限阈值的传感器网络数据压缩算法

针对无线传感器网络节点感知数据存在空间和时间冗余的问题,提出一种基于动态调整数据发送阈值的传感器网络数据压缩算法——DADST算法.首先,节点采集周围信息后发送给基站,基站接收到数据后对其进行Huffman编码,并依据节点发送的数据即时调节基站向各节点发送数据的门限阈值;其次,各节点依据接收到的编码判断向基站传输压缩码还是原始感知数据.仿真实验结果表明,该算法在保证数据传输精度的同时,能显著提高网络数据传输量和网络工作效率,减缓了节点的能量消耗.     

基于OMNeT++的无线传感器网络数据压缩仿真设计

利用Haar小波变换进行模拟实验,实现了基于OMNeT++的无线传感器网络数据压缩算法的仿真架构,并对Haar小波数据压缩算法下的无线传感器网络诸参数,如能耗、压缩比和均方差等进行了仿真.仿真结果数据证明了该仿真器对算法仿真的有效性和可靠性.     

基于整体加权的多源数据融合研究

针对无线传感器网络中数据融合问题,分析了基于融合算法下数据压缩和节能的关系,在归纳和研究现行的融合算法后,对独立于应用的数据融合,提出了先单个传感器加权再整体加全权的融合算法,通过两次加权,使算法性能达到最优。通过软件层面设置加权参数实现数据压缩和传输,有效地提高决策准确性和节约能量。同时,根据无线传感器的数据冗余方式,结合路由传输机制,可以实现在传输层的数据整合,减少数据无效发送,延长无线传感器网络的周期。     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。     

一种WSN中基于局部数据的压缩感知算法

当前,无线传感器网络的研究中最突出的是传感器节点的能耗问题.已有的无线传感器网络中的数据传输方式不仅能量浪费严重,而且网络的整体能耗不平衡,因此根据无线传感器网络所传输数据的特点,将改进后的压缩感知算法应用于其中.该过程中,压缩感知思想的应用大大减少了无线传感器网络中的数据传输次数,并保证每个节点的传输次数相同,这样不仅减小了节点能量的消耗,还维持了整个网络的能耗平衡.     

基于近似l_0重构算法的传感网数据收集方案

针对无线传感器网络中的数据收集问题,基于压缩感知理论设计并实现了一种高效节能的数据收集方案.数据采集时利用矩阵投影对传感器节点感知的数据进行压缩,数据重构时利用指数函数族对l0范数进行逼近,从而将带约束条件的l0范数最小化问题转化为无约束条件的优化问题,同时还设计了相应的加权函数,从而进一步提高重构算法的收敛速度.实验结果表明:所设计的基于近似l0范数重构算法的传感网数据收集方案在数据收集过程中具有较高的运行效率,其对无线传感器网络的带宽、能量等资源消耗较低;在数据重构过程中能够在适当的重构时间内进一步提高压缩数据的重构成功率.     

基于曲波变换的地震数据压缩感知重构算法

为提高地震数据压缩感知重构的信噪比和保真度, 提出一种基于曲波变换的地震数据压缩感知重构算法。建立了地震数据压缩感知重构模型, 分析了基于曲波变换稀疏表示的地震数据各尺度之间能量与熵的分布特性, 结合分块压缩感知技术降低随机观测的计算复杂度, 利用曲波变换稀疏表示高频区域各尺度之间的相关性, 设计了随信息熵变化的自适应双变量收缩阈值迭代重构的方法。实验结果表明, 在相同的采样率下,该算法重构的地震数据峰值信噪比提高了1. 5 dB 以上, 并且具有良好的细节信息保持能力。     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

一种面向微电网中无线传感器网络的高能效压缩感知方法

针对微电网数据传输过程中无线传感器网络所面临的数据过载和传输路径单一所导致的个别节点能耗过快的问题,对传统压缩感知算法进行了改进,提出将节点能量也作为传输路径选择的判定因素并作为判定参数加入其信息熵值的计算过程中,从而避免算法由于重复选择相同的传输路径造成网络中个别节点由于能量消耗过快而停止工作的情况出现。在微电网仿真模型下对算法的数据压缩率、收敛速度、重构数据精度和网络生存时间进行了验证,仿真结果表明,在微电网无线传感器网络中应用该方法,对网络生存时间和网络收敛性等性能都有明显提升。     

基于稀疏采样的无线多媒体传感网图像压缩算法

为解决无线多媒体传感网存在的网络能耗高、节点性能低以及存储空间小等问题,结合WMSNs的特点引入压缩感知技术,提出了一种基于傅里叶域稀疏采样的分布式多媒体传感网图像压缩算法。该算法考虑多传感器节点的协作性,实现了图像在傅里叶域上的分块自适应压缩采样与传输。通过公开图像数据集中与现有的其他分布式压缩感知算法的仿真对比实验,表明了所提算法不仅能够有效降低重构误差、提高重构图像的质量,而且能更好地适合WMSNs网络低能耗的应用要求。     

基于预测编码的无线传感器网络节点数据压缩算法研究

基于一阶预测编码,对无线传感器网络节点采集的数据进行压缩,除去数据之间的冗余信息,大大减少了网络数据传输量.仿真结果表明,采用改进的预测编码进行数据压缩,可极大减少能耗,增加网络生命周期等效果.     

基于数据压缩技术的无线传感器监控系统的节能策略研究

无线传感器网络因其网络自组织,组网灵活,价格低廉等优点得到广泛的应用。但是无线传感器网络能源有限的缺点很大的制约着该技术的发展,所以无线传感器网络的节能技术受到研究者们越来越多的关注和重视,很多节能策略和算法随之而出。但是很多节能算法在考虑减少能耗的时候没有考虑系统可靠性的问题,这就使得应用该技术可能会导致系统可靠性降低。为提出一种基于数据压缩技术的节能策略,在一般的数据压缩技术的基础上,利用新的节能机制,提出一种可以根据条件决定系统在正常工作状态和节能工作状态之间合理切换的节能策略。根据合理的设计,可以使得无线传感器网络监控系统利用数据压缩技术来实现生命周期的延长。最后通过公式推导和仿真实验证明该节能策略确实提高了系统的生命周期。     

基于bounding-box与卡尔曼滤波的优化压缩感知算法的目标定位

针对无线传感器网络目标定位过程中存在的测量矩阵维数高、运算量大以及测量向量不准确的问题,文章提出一种优化压缩感知(compressive sensing, CS)定位算法。首先对传感器采集的接收信号强度值进行卡尔曼滤波保证压缩感知测量向量的准确性;然后引入bounding-box方法估计位置区域,缩小节点定位范围从而降低后一阶段压缩感知测量矩阵的维数;最后在节点估计区域进行压缩感知定位,并提出基于原子相关度阈值的回溯匹配追踪算法,通过原子相关度阈值控制对候选集原子进行二次筛选剔除低相关度原子,在支撑集中保留系数较大的原子,提升重建精度。实验结果表明,在信噪比为5 dB,目标数为8时,相较于传统的OMP算法、GMP算法、CoSaMP算法,所提优化定位算法的定位精度分别提升61.21%、51.53%和45.12%。     

基于压缩感知理论的无线传感器网络数据融合算法

针对传感器节点部署稠密, 节点覆盖重叠区域较大, 导致采集数据冗余度大的问题, 利用节点收集数据的时间和空间相关性, 提出一种基于压缩感知理论的无线传感器网络(WSN)数据融合算法, 并通过仿真实验分析了其性能. 实验结果表明, 该算法不仅可以减少簇首的数据传输量, 减少了节点的平均能量消耗, 延长网络的生存时间, 而且性能明显优于对比算法.     

可充电传感器网络中改进的移动能量补充方案

为更可靠地向传感器节点供应能量,针对可充电传感器网络采用一种新的无线电源传输技术,该技术通过引入移动启动器来实现传感器能量的无线补充.建立基于随机无线能量补充的解析模型,以获得一组性能指标.根据理论分析结果提出基于电量感知的移动能量补充方案,并给出两种启发式算法:充电优先的线性自适应传感器激活算法和选择性充电的电量感知激活算法.通过仿真实验证明了理论分析的正确性和算法的有效性.研究结果表明:合适的传感器激活机制以及对移动能量补充的有效控制,可显著提升性能.     

基于CMOS图像传感器的压缩感知成像算法

近年来提出的压缩感知理论将信号采样和压缩同时进行,突破了奈奎斯特采样定理的限制,为低采样高分辨率成像提供了可能.为此,提出了一种基于CMOS图像传感器的压缩感知成像算法,采用并行处理策略对CMOS图像传感器A/D转换前的模拟像素矩阵进行压缩采样,减轻了A/D转换模块的负担,大大降低了CMOS图像传感器的功耗,并且该算法实现电路简单.仿真结果表明,所提算法能快速有效地进行测量值的获取,利用TVAL3算法重构的图像主客观质量较好.     

基于压缩感知算法的传感器网络异常事件检测

为改善传感器网络异常事件检测效果,提出一种基于压缩感知算法的传感器网络异常事件检测模型.首先采集传感器网络状态信息,并采用压缩感知算法对信息进行采样和重构,在减少传感器网络异常事件检测信息的同时,删除一些无效信息;然后从重构后的传感器网络异常事件检测信息中提取特征,组成传感器网络异常事件检测的特征向量;最后采用极限学习机建立传感器网络异常事件检测模型,并进行传感器网络异常事件检测仿真实验,分析模型的性能.实验结果表明,压缩感知算法可加快传感器网络异常事件检测速度,且传感器网络异常事件检测率高于95%,明显高于其他传感器网络异常事件检测模型.     

一种新的簇间邻居辅助编码方案

为解决无线传感网(wireless sensor networks,WSN)中传感器节点收发数据能耗较高的问题,提出了一种簇间邻居辅助编码方案.该方案将网络编码(network coding,NC)与压缩感知(compression sensing,CS)理论结合,提出"投影再生码"(projection regenerating coding,PRC)的新概念,利用WSN分簇理论和传感器节点读数的时间-空间相关性,对网络节点进行分簇、数据压缩、数据采集等处理,同时采用簇间邻居辅助编码对发送数据进行融合,使汇聚节点仅通过收集部分节点数据即可恢复原始信号.结果表明,与时空压缩网络编码(C-ST)、邻居辅助压缩感知(NACS)等方案相比,新方案可有效降低网络开销和恢复误差,提高压缩增益和传输效率.